关于水产养殖演变的新闻特征和技术文章,是世界上增长最快的行业之一。

低密度标记面板可能的基因组预测

Christina Kriaridou.,M.Sc。 Smaragda Tsairidou.,Ph.D. 罗斯D.休斯顿,博士。 迭戈罗布泽索,博士。

展示基于血统的基因组的基因组,在水产养殖种类中的繁殖值预测

基因组预测
该研究测试并比较了低密度和中密度SNP面板的使用,以准确地预测大型特征(基因组大小,基因分型平台,家庭数量和规模,总人数和规模,群体大小和目标特质)的育种价值。常见的鲤鱼,Gilthead海鲷(图)和太平洋牡蛎。结果表明,更广泛地应用遗传改善在较小和更分散的水产养殖环境中的潜力。海鲷照片由Tvabutzku1234,CC0,通过Wikimedia Commons。

水产养殖是一种相对年轻的行业,尽管技术进步已经迅速实施,以提高一些高价值物种的产量和效率,但这些速度达到较低,高储蓄物种,支持大部分全球生产。这是由遗传改进技术的类型,其中种类如大西洋鲑鱼( Salmo Salar. )对那些适合猪和家禽的繁殖计划具有大型且良好的繁殖计划,而大多数水产养殖物种都会显着落后。

部分原因是由于水产养殖种类的广泛多样性,前20名动物物种与陆地牲畜相比,占总生产总产量的80%,其中四种物种是世界上90%以上的肉类生产。此外,大多数水产养殖发生在小于中型农场,主要位于低于中等收入国家。这种背景阻碍了新兴技术的实施,以帮助改善生产,主要是由于其欠高成本。

一个建立的技术是基因组选择,其利用遗传标记来鉴定具有最高育种值的动物,以选择生产下一代。选择性育种计划正在越来越多地用于水产养殖物种,并且已被证明在改善生产性状,特别是生长方面非常有效。基因组选择始终如一地优于基于血统的基于家庭的选择,导致几代累积遗传增益,逐步增强养殖种类的性能。

水产养殖中基因组选择缓慢吸收的主要原因之一是基因分型的成本[确定个体遗传构成差异的过程]。基因分型通常依赖于高密度,单核苷酸多态性[SNP;在基因组(生物体的所有遗传物质)中的特定位置取代单个核苷酸(构建块),其存在于足够大的群体阵列平台上,这对于大多数人来说,这可能对常规施用非常昂贵水产养殖计划,由于需要基因型[确定有机体的完整遗传物质]数千条性能测试的鱼(即参考人口)和选择候选者。

一个途径扩大使用基因组选择的较小规模,更碎片化的水产养殖部门是利用低密度的SNP面板,每个样本基因分型成本可能是SNP阵列成本的一小部分。低密度基因分型似乎是有望的解决方案,可以访问基因组选择到更广泛的水产养殖物种和部门的益处。然而,使用的最佳SNP密度尚不清楚,并且可以预期根据物种,人口历史和感兴趣的特征等变量而不同。

本文 - 改编和总结了 原始出版物 (Kriaridou C.等。2020.使用水产养殖中的低密度标记面板的基因组预测:跨种类,特征和基因分型平台的性能。前部。遗传赛。11:124) - 如果这些变量影响低密度SNP的性能,则评估面板并确定是否可以确定最佳基因分型密度作为水产养殖育种计划的实用性,广泛的建议。

日本超级密集型虾农业生物经济分析

研究设置

基因型[可以从父母从父母传递到后代的生物体的一组遗传基因]和表型[有机体的可观察性特征或特征]是从四种不同物种中的四种出版的研究中获得的。这些包括大西洋鲑鱼,常见的鲤鱼(Cyprinus carpio),Gilthead Sea Bream( Sparus aurata. )和太平洋牡蛎(Crassostrea Gigas.)。这些物种以前以各种病原体和基因分型攻击并表现成相应的数据库。

从这些数据库,低于和中密度SNP面板的效用(范围从100到9,000 SNP),以准确预测育种值[通过其后代平均性能判断的个体基因型的经济价值]进行了比较这四个水产养殖数据集具有以下不同特征:物种,基因组大小,基因分型平台,家庭数量和尺寸,总人口大小和目标特质。

有关实验设计的详细信息;数据集和表型;质量控制和低密度SNP面板设计;估计遗传参数;和基因组预测[能够预测基于DNA标志物的动物遗传优异的技术,例如单核苷酸多态性(SNP);它可以预测动物的方式’在没有需要任何其他信息(如谱系)之前,在测量特征之前或甚至在出生后进行特征之前,后代将表现出来的后代。

结果和讨论

基因组选择具有提高水产养殖计划中预测准确性和遗传增益的明显潜力,但基因分型的成本对于许多物种和部门来说可能是令人望而却的。因此,由于每个样品基因分型的价格通常与SNP密度相关,所以可以进行最佳遗传参数估计和基因组预测的最低SNP密度的知识是有价值的。可以预期的是基因组预测的最佳SNP密度是物种,性状和基因分型特异性。

在我们的研究中,我们评估了四种不同的水产养殖物种(大西洋鲑鱼,普通鲤鱼,Giledhea鲷和太平洋牡蛎)的基因型和特质数据集,使用不同的基因分型技术进行基因分型,以寻找减少SNP标记密度的常见模式的常见模式基因组预测准确性。结果在不同的数据集中一致,表明在水产养殖群体中的大多数多基因特征的近似最大预测精度是近乎最大预测精度的SNP面板。这些结果及其一致性是令人鼓舞的低成本基因分型,因此提高了不同物种和水产养殖部门的基因组选择的可负担性。

基因组预测
图。1:遗传性估计[群体中表型性状的变异程度,这是由于该群体中的个体之间的遗传变异是非,使用低密度面板。使用线性混合模型计算遗传性,利用每个低密度面板获得基因组关系矩阵。对于每密度,我们使用了五个不同的低密度面板,并且显示了五个面板的遗传性的平均值。使用黄土回归(局部多项式回归,跨度= 0.75)计算趋势线。
考虑到四个数据集之间的显着背景差异,结果的均匀性相对令人惊讶。由于基因组预测精度趋势在四种物种上一致,特性,基因分型平台,人口大小或基因组大小似乎是对低密度SNP面板的性能相对不重要的因素。在大多数水产养殖物种中观察到的大型家庭尺寸可能部分解释这些结果。

遗传距离[物种之间的遗传分歧或物种中的群体之间的遗传分歧,是否在训练和验证群体之间的常见祖先或分化程度的距离尺寸的时间对基因组选择的功效大作出了巨大的影响[预测准确性随着遗传距离的增加而降低。

大多数水产养殖物种都是高度粪便,每对动物经常产生数千个后代,这意味着在训练和验证集中包含多个全兄弟[半兄弟或姐妹]是常见的做法。因此,尽管在某些情况下预测的准确性可能降低,但我们认为这些结果通常适用于大多数水产养殖选育方案中的多基因特性,其中选择候选者的近亲是常规表型的。

基因组预测
图2:用低密度面板实现的基因组预测精度的比例。通过使用全高密度SNP面板获得的平均精度除以该密度的平均精度来计算通过使用全高密度SNP面板获得的平均精度来计算通过使用全高密度SNP面板的平均精度来计算通过使用全高密度SNP面板的平均精度计算的精度比例。使用黄土回归(局部多项式回归,跨度= 0.75)计算趋势线。

总的来说,在几乎没有精度降低的物种上观察到基因组预测准确度的一致模式,直到SNP密度降低了1,000个SNP。低于这种SNP密度,遗传性估计[群体中表型性状的变异程度是由于该群体中的个体之间的遗传变异,基因组预测精度趋于较低,变量更低(达到最大精度的93%) 1,000个SNP,89%,500个SNP,70%,100个SNPS)。

现在,众多研究突出了基于基于基于血统的育种价值的基因组的益处,目前的研究结果表明,这些益处可以在较低的SNP密度和较低的成本下实现,提高可能性更广泛地应用于较小和更碎片的水产养殖区段的遗传改善。

透视

我们的数据表明,尽管人口和家庭结构,表型和特质定义和基因分析平台差异,但在不同水产养殖物种的数据集中,基因组预测精度的丧失的模式逐渐一致。

这些结果表明,1,000和2,000天潮之间的SNP密度经常导致与具有高密度基因分型的选择非常相似的选择精度,而不管是培训中的近亲的存在,无论是否存在近亲的存在和验证集。此外,通过降低密度观察到的SNP面板复制之间的越差异表明,非随机SNP选择可以提高低密度面板的预测精度。

总之,本研究表明,低密度SNP面板提供了一种具有成本效益的解决方案,可扩大基因组选择在水产养殖中的影响,从而提高了股票的增强性能和改善的全球粮食安全。


现在你'完成阅读文章......

… 我们   希望你能考虑支持我们的使命,以记录全球水产养殖业的演变,并每周分享我们广大贡献者的广大贡献者网络。

通过成为全球水产养殖联盟成员,您可以确保我们通过会员福利,资源和活动所做的所有竞争性工作。个人成员每年只需50美元。 Gaa个人和公司成员可以在4月开始互动访问一系列目标虚拟事件。立即加入。

不是gaa会员?加入我们。